第三节协方差与相关系数(概率论与数理统计).pptVIP

* § 4.4 协方差和相关系数 问题 对于二维随机变量(X ,Y ): 已知联合分布 边缘分布 对二维随机变量,除每个随机变量各自 数 反映了随机变量 X , Y 之间的某种关系 问题是用一个怎样的数去反映这种联系. 的概率特性外, 相互之间可能还有某种联系 称 为 X ,Y 的协方差. 记为 称 为（X , Y ）的协方差矩阵 可以证明 协方差矩阵 为 半正定矩阵 协方差和相关系数的定义 定义 若D (X ) 0, D (Y ) 0 ,称 为X ,Y 的 相关系数，记为 事实上， 若 称 X ,Y 不相关. 无量纲 的量 若 ( X ,Y ) 为离散型， 若 ( X ,Y ) 为连续型， 协方差和相关系数的计算 求 cov (X ,Y ), ?XY 0 1 q p X P 0 1 q p Y P 例1 已知 X ,Y 的联合分布为 Y X pij 0 1 0 1 q 0 0 p 0 p 1 p + q = 1 解 0 1 q p X Y P 例2 设 ( X ,Y ) ~ N ( ?1 ,?2; ?12,?22 ; ?), 求?XY 解 若 ( X ,Y ) ~ N ( ?1 ,?2, ?12, ?22, ?), 则X ,Y 相互独立 X ,Y 不相关 例3 设?~ U(0,2?) , X=cos ? , Y=cos( ? +? ), ? 是给定的常数，求 ?XY 解 若 若 有线性关系 若 不相关， 但 不独立， X,Y 没有线性关系，但有函数关系 协方差的性质 协方差和相关系数的性质 当D(X ) 0, D(Y ) 0 时，当且仅当 时, 等式成立 — Cauchy-Schwarz不等式 证 令 对任何实数 t , 即 等号成立 有两个相等的实零点 即 显然 即 即 Y 与 X 有线性关系的概率等于1, 这种 线性关系为 完全类似地可以证明 当E(X 2) 0, E(Y 2 ) 0 时,当且仅当 时, 等式成立. 相关系数的性质 Cauchy-Schwarz不等式 的等号成立 即Y 与X 有线性关系的概率等于1， 这种线性关系为 如例1中 X ,Y 的联合分布为 Y X pij 0 1 0 1 q 0 0 p 0 p 1 p + q = 1 已求得 , 则必有 其中 X , Y 不相关 X ,Y 相互独立 X , Y 不相关 若 ( X , Y ) 服从二维正态分布， X , Y 相互独立 X , Y 不相关 例4 设 ( X ,Y ) ~ N ( 1,1; 4,4; 0.5 ), Z = X + Y , 求 ? XZ 解 矩与中心矩 若 X 是随机变量则有 X 的 k 阶原点矩： X 的 k 阶中心矩： 若 X , Y 是两个r.v., 用X 的线性函数 去逼近 Y 所产生的平均平方误差为 当取 平均平方误差最小. 矩在线性回归中 的应用 附录 附例 设 X ,Y 相互独立, 且都服从 N ( 0, ? 2), U = aX + bY , V= aX - bY , a,b 为常数，且都不为零，求?UV 解 由 而 故 a,b 取何值时, U与V 不相关？ 此时, U与V 是否独立？ 继续 讨论 但 U~N (0, 2a2? 2), V~N (0, 2a2? 2 ), 若 a = b，?UV = 0, 则 U , V 不相关. 且U ,V 相互独立